AI 학습용 데이터 310종, 7월말까지 개방…역대 최대 규모

게티이미지뱅크 제공
게티이미지뱅크 제공

과학기술정보통신부와 한국지능정보사회진흥원이 '인공지능(AI) 학습용 데이터 구축사업'을 통해 구축한 학습용 데이터셋 310종을 7월말까지 'AI허브' 사이트에 순차 개방한다.

과기정통부와 지능정보원은 2020년부터 민간·공공 수요에 맞춰 매년 약 200 종 데이터를 구축했다. 지금까지 개방된 데이터는 한국어, 이미지·영상, 헬스케어 등 6대 분야 381종, 약 11억 건에 이른다. 지난해 7월에는 190종 데이터를 개방하면서 'AI허브' 연간 방문자 수가 처음으로 100만 명을 돌파했다.

올해 개방하는 데이터는 310종으로 역대 최대 규모다. 구축 분야를 6대 분야에서 제조·로보틱스·교육·금융·스포츠 등 14대 분야로 확장했다. 이번에 310종 약 15억 건 데이터 개방을 완료하면 'AI허브' 이용자는 총 691종, 약 26억 건의 데이터를 활용할 수 있게 된다.

올해는 대규모 개방인 점을 고려해 이용자가 더 많은 데이터를 조금이라도 빨리 활용하도록 품질검증 등을 먼저 마친 데이터를 우선 개방한다. 초기 개방 시점은 지난해보다 3개월 앞당겨진다. 매달 약 80여 종 내외를 개방해 7월말까지 전체 310종의 개방을 완료할 계획이다.

1차 개방에는 자연어 기반 질의·검색·생성 데이터, 고서(古書)한자·한글 등 광학인식(OCR) 데이터, 안전환경 조성을 위한 실내외 군중 특성 데이터, 소방대원 행동 모션 3차원(3D) 객체 데이터 등 자연어와 AI 비전 분야에서 광범위하게 활용하는 70여종 데이터가 포함됐다.

'AI허브'에 공개되는 데이터는 국제 표준에 맞는 품질기준을 달성하고 개인정보 비식별화를 거친 경우에 한한다. 기업·기관이 실제 사용하는 AI 모델에 직접 데이터를 학습시켜 유효성, 정확성 등을 확인하는 활용성 검토를 받는다. 개방 이후 약 3개월 동안은 사용자로부터 데이터 품질 요구사항, 오류 등 의견을 반영해 데이터 품질 제고를 위한 보완 과정을 거칠 예정이다.

엄열 과기정통부 인공지능정책관은 “챗GPT 등 초거대 AI 등장으로 인공지능 산업이 빠르게 발전한다”며 “기존 라벨링 데이터(지도학습용) 중심 사업을 개편해 초거대 AI 학습에 필요한 대규모 비라벨링 데이터와 한 번에 여러 가지 유형을 학습시킬 수 있는 다중임무형 라벨링 데이터 등 다양한 유형 데이터를 지속 확보할 예정”이라고 말했다.

김지선기자 river@etnews.com